(3) Der Abfall der DZ jetzt würde bedeuten, dass die tatsächliche Inzidenz noch stärker abfällt, als in meiner Modellierung mit konstanter DZ (Grafik). Wegen des ‚parallelen‘ Verlaufs der RKI-Fallmeldungen mit HOSP und ITS (mit XFG-Korrektur) halte ich das zumindest für merkwürdig.

(2) Wenn die AMELAG-Daten die ‚Wirklichkeit‘ repräsentieren, ist dieser Quotient die Dunkelziffer der RKI-Meldungen. 'Übertrieben' hohe Werte könnten bei niedriger Inzidenz (mit) durch den kleinen Nenner entstehen, ohne großen Einfluss auf die Gesamtzahl der Infektionen. /3

(6) Zusatzergebnis: Durch die Neuskalierung der Pathogenitätsfaktoren (HOSP und ITS) am Maximum der Welle verschwindet der künstliche Sprung bei der ITS am 1.7. und auch der zweifelhafte Dunkelzifferanstieg am 1.10. ⇒ bsky.app/profile/mart....

Das Modell ist wieder konsistent.

(5) Unter den Modellannahmen finde ich also keinen Fehler, der die Abweichung von der Vorhersage erklärt. Bleibt der Schluss, dass weniger Kontakte (R1-0,2?) Ende Oktober (mit Wettereffekt) zu weniger Ansteckungen geführt haben. Das war nicht modellierbar. /6

(4) Eine andere Ursache für höhere Immunisierung wäre ein geringerer Immunschwund. Grafik 10 modelliert einen solchen Fall. R1 fällt (richtigerweise) weniger, die Modulation Ende Oktober jedoch bleibt. ⇒ Ein Fehler bei den Schwundannahmen ist nicht für den Absturz verantwortlich. /5

(3) Mehr Infektionen im Sommer heben die Bevölkerungsimmunisierung. Grafik 6-9 zeigen eine Modellierung mit einem genäherten AMELAG DZ-Profil.

Die R1-Modulation bleibt notwendig, um den Absturz der Welle zu erzeugen, und HOSP und ITS (DZ-frei modelliert) passen nicht mehr. /4

(2) Für die niedrigen Infektionszahlen im Sommer kommen die AMELAG Abwasserdaten auf eine höhere DZ als die in meiner Modellierung relativ zu DZ-freier ITS (=87). In Grafik 5 ist die AMELAG-Kurve eine Woche nach rechts verschoben und in der Höhe bei den Wellenbergen an die RKI-Kurve angepasst. /3

Der Unterschied RV zu MH kommt von den verschiedenen Dunkelzifferschätzungen. Bei RV ist die DZ mittlerweile gesunken, kann sein, dass er am Schluss zum gleichen Ergebnis wie MH kommt. RV berechnet die DZ aus den Abwasserdaten. Meine Modellierung widerspricht seiner Schätzung⇒ x.com/Martin46er1/....

(3) Eine Dunkelzifferänderung am 17.10. von 87 auf 105 genügt, um das Modell für die Infektionsmeldungen anzupassen (Grafik). Alle anderen Kurven hängen nicht von der Dunkelziffer ab.

(2) Die Tabelle gibt Modellwerte der Covid-19 Pandemie am 28.10., bei ±7 Tagen und am Maximum (Neuinfektionen, Hospitalisierungen, Intensivbelegung, R-Wert, Inzidenz) für den Referenzfall (rot). Der Fall bei -7 Tage (21.10.) entspricht dem Fall bei +7 Tage in ⇒ bsky.app/profile/mart.... /3

(3) Die Tabelle gibt den Status der Covid-19 Pandemie heute, bei ±7 Tage und am Maximum (Neuinfektionen, Hospitalisierungen, Intensivbelegung, R-Wert, Inzidenz mit Dunkelziffer). Alle Werte sind aus den Modellkurven für den Referenzfall (rot) abgelesen.

(2) Das Vorjahr zeigte wesentlich größere unerwartete Änderungen im Kontaktindex R1, und auch heute liegen die Meldungen deutlich über der Vorhersage. R1 deckt Zufälliges ab, aber auch Modellfehler. Die plötzliche Änderung spricht für ein zufälliges Ereignis (grüne Kurve). /3

(3) Nach dem Blick auf ein kurzes Zeitintervall in Grafik 5 ein Blick auf das Ganze in Grafik 6, die gesamte Pandemie:

Als Beispiel zeigt die Kurve der Hospitalisierungen, 'wo wir sind'.

(2) Wenn morgen die Meldelücke vom 4.10. aus der Mittlung fällt, steigen die Meldungen über die Modellkurve. Dienstag/Mittwoch, wenn die Nachmeldungen herausfallen, kehren sie zum Modell zurück (Grafik 5). Der Melde-R-Wert (4-Tage-Formel) beruhigt sich erst am 28.10. /3

(2) Bei der R-Wert-Berechnung aus dem Modell für die Meldedaten (mit DZ-Variation) mit der 4-Tage-Formel (blau in Grafik, schwarz für RKI-Daten) ist die Meldelücke vom 3.10. erst am 26.10. ausgemittelt. Der R-Wert aus dem Modell für Infektionen mit DZ (rot gestrichelt) ist stabiler.